「生成AIラボ(/labo)」のページに移動しました。

オービタルネットでは画像生成AI(拡散モデル)を用いた衛星画像の超解像化に取り組んでいます。 衛星画像を超解像化した際のハルシネーション*1を抑えるための試行錯誤を繰り返しながら今に至っています。 空中写真よりも安価で且つ広域を短期間で撮影できることのメリットを活かしながら鮮明な画像を生成して 目視判読やマッピングが可能なレベルまで精度向上させることを目指しています。 衛星画像にもさまざまな種類・画像分解能がありますが、当社ではSentinel-2(10m)、GRUS(2.5m)、WorldView-2(50cm)（何れもTrue Color）など様々な分解能の衛星画像をターゲットとしています。 例えば、Sentinel-2の衛星画像では住宅街の道路は目視では判読できませんが、超解像化により住宅街の道路は街並みなどの状況から見事に復元されています。 また、10m未満の建物も本来復元できませんが、元画像と学習した結果によって建物などを推測して街並みを再現しています。
GRUSの衛星画像は、建物・道路などの地物が再現できるようになります。
WorldView-2,3の衛星画像は、超解像化によってＡＩによる建物・道路のマッピングが可能になります。*2
WorldView-2の超解像においては実業務(PoCレベルではない)での実績が複数あります。

*1 人工知能（ＡＩ）が事実に基づかない誤った情報を生成する現象
*2 雲・雲影、ヘイズなどによる画質の劣化、オフナディア角による建物の傾きなどの影響を受けていない場合

「生成AIラボ(/labo)」のページに移動しました。

Transformerを用いて、空中写真からセメンティック・セグメンテーションにより道路エリアを抽出した例です。 建物よりも低解像の空中写真（50㎝解像度）から高精度で抽出できることが特徴です。また、道路ポリゴンから道路中心線を生成することも可能です。 しかし、道路や鉄道、歩道橋などによってブラインドになる部分は正しく抽出できない（していない）ため正確な道路ネットワーク情報を取得することはできませんが、 最新の画像を使用することによって差分により最新の道路エリアを取得することが可能です。

ChatGPTをはじめとするLLM（大規模言語モデル）の生成AIは私たちの生活に浸透し、様々なビジネスにおいてもパラダイムシフトが起き始めています。 その生成AIの核となっているのは『Transformer』というネットワークモデルです。 自然言語処理に限らず、画像解析の分野においても『Transformer』を使ったAIが競うように登場し、日進月歩の勢いで技術革新が起こっています。 オービタルネットのこの潮流に乗って衛星画像・空中写真画像の地物抽出に『Transformer』を使用したAIシステムを構築しました。 従来のCNN（畳み込み）技術と比較して、地物検出及びセグメンテーションの精度向上を図ることができました。

地方自治体に於いて、これまで目視で行ってきた固定資産管理業務のうち家屋異動判読調査を画像認識AIで自動化を図ることが可能です。 例えば家屋管理図などを比較対象として、新規に撮影した衛星画像や空中写真画像から画像認識AIを用いて家屋の外形データを抽出し（画像上）差分をとれば、これが新増築データ（画像下の青色部分）になります。逆にAI判読結果を比較対象とした家屋管理図との差分が滅失データになります。